Engage 22 Project Bongrub

Gaing-22-project-Bongrub

唤醒。这是食物？

一定已经听过“ Bon Appetit”，这是法国短语，意思是“享受您的用餐”。

这是“ bongrub ”，意思是快乐的g （非正式食物）？我们都喜欢为我们提供美味的食物，但是我们当中有多少人喜欢看食谱。因此，这是一种尝试为您带来世界上最好和受欢迎的食谱，以帮助您节省这种狩猎的完美食谱。

听起来很棒，对吗？让我们看看如何煮熟并提供？

在职的

---

这是一个像食谱存储库一样工作的Web应用程序，适合所有正在等待新食谱的美食家。它可以使用机器学习模型构建的推荐引擎，该模型将秘密识别用户的味蕾，并通过根据浏览的内容推荐类似的食谱来使用户依附于此应用程序。

建议引擎可以根据三个主要类别进行分类：

• 基于内容的方法
• 协作过滤方法
• 混合方法

对于此项目，我使用了基于内容的过滤方法。该模型结合了一般的协作方法，可以作为混合模型，因为它考虑了其他用户生成建议的意见。引擎根据其不同模型以不同的方式制作的建议，即

• 基于受欢迎程度的推荐人
• 基于类别的推荐人（也考虑了评分和受欢迎程度）
• 基于内容的推荐人（基于食谱名称，描述，关键字，成分，数量以及准备食谱所需的时间）

该数据集包含Food.com上存在的食谱和评论。推荐模型从数据集中采用了9000种食谱来准备发动机。准备的引擎与烧瓶应用程序集成在一起，并创建了服务器以服务于模型生成的.pkl文件。然后将Blask应用程序与NodeJS服务器集成在一起，该服务器最终将从服务器获取到应用程序客户端的数据供最终用户使用。

本地运行

---

要在本地计算机中运行此代码，请执行以下步骤：

步骤1：在桌面上制作文件夹。在此新创建的文件夹中打开一个终端，以在计算机上克隆该存储库。

git clone https://github.com/AnanyaGarg28/Engage-22-Project-Bongrub.git

步骤2：转到项目目录并安装烧瓶。

cd Engage-22-Project-Bongrub/ pip3 install flask

步骤3：运行烧瓶服务器。

python recipeapp.py

步骤4：等待10秒钟，然后显示烧瓶应用程序正在运行。复制它在本地计算机中运行的URL。看起来像：

在http://192.168.1.79:5000上运行（按CTRL+C退出）

步骤5：打开“ Anging-22-Project-Bongrub”中的新终端。转到您选择的代码编辑器中的“ Node App”文件夹，然后打开“ app.js”文件。

cd node app/

步骤6：用您在步骤4中保存的URL地址替换URIOBJ中的IP和端口并保存文件。

步骤7：现在，在第二个终端中，在“节点应用程序”目录中，安装NPM软件包（请确保已安装了最新版本的NPM）。

npm install

步骤8：现在我们已经安装了所有依赖项。是时候运行节点服务器了。

node app.js

该应用程序现在在您的计算机上运行。您可以通过在浏览器中键入Localhost：3001来访问它。

希望您喜欢建议！快乐的抓！